जिन लोगों के बारे में आप कुछ नहीं जानते, उनके लिए विज्ञापन कैसे पर्सनलाइज़ करें? ईमानदार जवाब: व्यक्तिगत स्तर पर, आप नहीं कर सकते। लेकिन किसी कैटेगरी में दिलचस्पी रखने वाले लोगों को आप बेशक समझ सकते हैं, और मुट्ठी भर संकेतों से नए यूज़र्स को किसी उपयुक्त पर्सोना से मिला सकते हैं। यही कारगर कोल्ड-स्टार्ट रणनीति का मूल है।
इंडस्ट्री क्लासिक ऑडियंस डेटा के विकल्प कितनी शिद्दत से खोज रही है, यह Digiday की हालिया रिपोर्टिंग में दिखता है: सिंथेटिक ऑडियंस प्रयोग से निकलकर रोज़मर्रा की प्लानिंग और स्ट्रैटेजी के काम में आ रही हैं। Aveeno Body ने Vurvey की सिंथेटिक रिसर्च की मदद से स्ट्रैटेजी ब्रीफ़ के लिए ज़रूरी समय लगभग 30 दिन से घटाकर तीन दिन कर दिया। Goodway Group मीडिया प्लानिंग के लिए Arima की अमेरिका, ब्रिटेन और जर्मनी के उपभोक्ताओं की “सिंथेटिक आबादी” का इस्तेमाल करता है।
विज्ञापन में कोल्ड-स्टार्ट समस्या क्या है?
यह शब्द रिकमेंडर सिस्टम की दुनिया से आया है। जो सिस्टम व्यवहार से सीखता है, उसे सीखने के लिए व्यवहार चाहिए – और नए यूज़र के पास अभी कोई व्यवहार नहीं है। इसलिए सिस्टम औसत परोस देता है: बेस्टसेलर, सामान्य संदेश, वह विज्ञापन जो सब पर थोड़ा-बहुत चलता है और किसी पर ठीक से नहीं।
विज्ञापन में समस्या और बढ़ जाती है। कई ब्राउज़र डिफ़ॉल्ट रूप से थर्ड-पार्टी कुकीज़ ब्लॉक करते हैं, जर्मनी में कंसेंट बैनर रोज़मर्रा की बात हैं, और हर कोई “सभी स्वीकार करें” पर क्लिक नहीं करता। इससे निकलने का पुराना रास्ता, यानी खरीदे गए सेगमेंट, डेटा संरक्षण कानून के तहत पेचीदा हो गया है और वैसे भी यह बहुत कम बताता है कि कोई खरीदता क्यों है। GDPR से आकार लेने वाले DACH क्षेत्र (जर्मनी, ऑस्ट्रिया और स्विट्ज़रलैंड) में “हम बस और डेटा खरीद लेंगे” अब कोई रणनीति नहीं रही।
ज़्यादा डेटा से समस्या क्यों नहीं सुलझती
डेटा क्वालिटी रिसर्च के पास इसके लिए एक सीधा-सादा फ़ॉर्मूला है: डेटा उतना ही अच्छा है जितना वह अपने उद्देश्य के लिए उपयुक्त है। अकेली सटीकता काफ़ी नहीं; डेटा प्रासंगिक, ताज़ा और विशिष्ट सवाल के अनुकूल होना चाहिए। साहित्य में इसे “फ़िटनेस फ़ॉर यूज़” कहा जाता है।
“महिलाएँ, 25 से 34 वर्ष, ब्यूटी में दिलचस्पी” जैसा खरीदा हुआ सेगमेंट सटीक शब्दों में लिखा होता है। फिर भी “इस व्यक्ति को हमारा प्रोडक्ट आज़माने के लिए क्या प्रेरित करेगा?” जैसे सवाल के लिए वह लगभग बेकार है। वह गुण बताता है, मकसद नहीं। जुड़ाव समझ से पैदा होता है, आँकड़ों से नहीं।
कोल्ड स्टार्ट के लिए इसका मतलब है कि निर्णायक संसाधन किसी एक यूज़र का इतिहास नहीं, बल्कि कैटेगरी के मकसदों, चिंताओं और भाषा की एक मज़बूत तस्वीर है। और वह तस्वीर सार्वजनिक रूप से उपलब्ध कंटेंट से बनाई जा सकती है।
सार्वजनिक कंटेंट से पर्सोना कैसे बनते हैं?
लोग सार्वजनिक रूप से अपने खरीदने – या न खरीदने – के कारणों के बारे में हैरानी की हद तक काफ़ी कुछ कहते हैं: ब्रांड पोस्ट के कमेंट में, प्रोडक्ट रिव्यू में, क्रिएटर वीडियो में, फ़ोरम थ्रेड में। इस कंटेंट को इकट्ठा किया जा सकता है, विषय और टेंशन के आधार पर क्लस्टर किया जा सकता है और पर्सोना में ढाला जा सकता है – गढ़े हुए प्रोफ़ाइल की जगह असली उद्धरणों के साथ।
क्लासिक वर्कशॉप पर्सोना से फ़र्क यह है: यह इस पर आधारित है कि लोग असल में क्या कहते हैं, इस पर नहीं कि कोई टीम उनके बारे में क्या मान लेती है। Digiday एक मिलता-जुलता तरीका बताता है: ब्रांड Sacheu के लिए Limitless Labs अपने क्रिएटर इकोसिस्टम के हज़ारों TikTok और Instagram वीडियो का विश्लेषण करके पर्सोना बनाता है।
जर्मन बाज़ार के लिए महत्वपूर्ण: ऐसे पर्सोना पैटर्न और समूहों के स्तर पर काम करते हैं। पहला संदेश चुनने के लिए उन्हें अलग-अलग यूज़र्स के प्रोफ़ाइल की ज़रूरत नहीं होती। आपके विशिष्ट सेट-अप का कानूनी आकलन फिर भी आपके डेटा संरक्षण सलाहकार का काम है।
कोल्ड स्टार्ट के लिए कौन-से तरीके हैं?
| तरीका | डेटा का आधार | ताकत | कमज़ोरी |
|---|---|---|---|
| खरीदे गए थर्ड-पार्टी सेगमेंट | बाहरी प्रोफ़ाइल, कुकीज़ | तुरंत उपलब्ध | मकसद की बहुत कम समझ; डेटा संरक्षण कानून के तहत पेचीदा |
| संदर्भ-आधारित टार्गेटिंग | परिवेश, समय, स्थान, डिवाइस | व्यक्तिगत डेटा के बिना काम करता है | प्रेरणाओं के बारे में बहुत कम बताता है |
| ज़ीरो-पार्टी डेटा | क्विज़ या ऑनबोर्डिंग के जवाब | सीधा और सहमति-आधारित | सिर्फ़ उनसे जो हिस्सा लेते हैं; फ़नल में रुकावट |
| सिंथेटिक ऑडियंस | सर्वे, सांख्यिकीय और पैनल डेटा पर आधारित मॉडल | प्रतिक्रियाओं का तेज़ सिमुलेशन | औसत की ओर खिंचाव; गुणवत्ता इनपुट डेटा पर निर्भर |
| सार्वजनिक कंटेंट से पर्सोना | कमेंट, रिव्यू, क्रिएटर कंटेंट, प्रतिस्पर्धियों के विज्ञापन | कैटेगरी के असली मकसद और भाषा | अलग-अलग यूज़र्स से मिलान के लिए संकेत चाहिए |
कोई एक तरीका अकेले समस्या हल नहीं करता। व्यवहार में सार्वजनिक कंटेंट से बने पर्सोना परिकल्पनाएँ देते हैं, संदर्भ-आधारित संकेत मिलान और फ़र्स्ट-पार्टी डेटा पुष्टि।
छह चरणों में कोल्ड-स्टार्ट पर्सनलाइज़ेशन को व्यवहार में कैसे उतारें?
- कैटेगरी की बातचीत इकट्ठा करें। पिछले कुछ महीनों के कमेंट, रिव्यू, क्रिएटर कंटेंट और प्रतिस्पर्धियों के विज्ञापन – सिर्फ़ ब्रांड के बारे में नहीं, बल्कि पूरी कैटेगरी के बारे में।
- पर्सोना और टेंशन बनाएँ। कंटेंट को मकसद और चिंता के आधार पर क्लस्टर करें। शुरू करने के लिए तीन से पाँच स्पष्ट रूप से अलग पर्सोना काफ़ी हैं।
- हर पर्सोना के लिए एक परिकल्पना लिखें। कौन-सा संदेश, कौन-सा हुक, कौन-सा ऑफ़र फ़िट बैठता है? हर पर्सोना के लिए कम से कम एक अलग क्रिएटिव वेरिएंट तैयार करें।
- मिलान के संकेत तय करें। लैंडिंग पेज, सर्च टर्म, संदर्भ, कैंपेन स्रोत, पहले क्लिक: तय करें कि कौन-सा संकेत किस पर्सोना की ओर इशारा करता है।
- एक्सप्लोरेशन के साथ डिलीवर करें। डिलीवरी का एक हिस्सा उन वेरिएंट के लिए रखें जो अनुमानित पर्सोना से मेल नहीं खाते। इस तरह सिस्टम सीखता रहता है, सिर्फ़ अपनी ही धारणा की पुष्टि नहीं करता।
- फ़र्स्ट-पार्टी डेटा को वापस फ़ीड करें। हर इंटरैक्शन मिलान को और सटीक बनाता है। पर्सोना को नियमित रूप से अपडेट करें, क्योंकि बातचीत बदलती रहती है।
कोल्ड स्टार्ट के लिए सिंथेटिक ऑडियंस कितनी उपयोगी हैं?
काफ़ी उपयोगी – अगर आप उनकी सीमाएँ जानते हैं। Digiday की रिपोर्टिंग में संबंधित लोग भी आशंकाएँ जताते हैं: Vurvey के CEO Chad Reynolds कहते हैं कि बड़े लैंग्वेज मॉडल घंटी-वक्र का शीर्ष देते हैं, यानी सबसे आम जवाब। TransUnion की Julie Clark खराब इनपुट डेटा पर बने पर्सोना के प्रति आगाह करती हैं। और Code & Theory के Stef Hoffman इसे सटीक ढंग से कहते हैं: नतीजे विवेक को जानकारी देते हैं, उसकी जगह नहीं लेते।
यहीं सार्वजनिक कंटेंट अपनी उपयोगिता साबित करता है। यह सिमुलेशन नहीं, प्रमाण है। अगर कोई पर्सोना दावा करता है कि आपकी कैटेगरी में लोगों को मुख्यतः गलत चीज़ खरीद लेने का डर रहता है, तो आपको वे पोस्ट दिखनी चाहिए जिनसे वह दावा निकला है। जिस पर्सोना को आप वापस स्रोत तक नहीं खोज सकते, वह महज़ एक दावा है।
Defy Monitor यही रास्ता अपनाता है: ऑडियंस कंटेंट अपने-आप पर्सोना और टेंशन में क्लस्टर हो जाता है, और प्लानिंग डेमोग्राफ़िक्स के बजाय असली बातचीत से शुरू होती है। यह Defy प्लेटफ़ॉर्म का एक बिल्डिंग ब्लॉक है, जो स्वतंत्र एजेंसियों को वही विश्लेषण-क्षमता देता है जिसे बनाने में बड़े नेटवर्कों ने भारी निवेश किया है।
आपको कैसे पता चलेगा कि आपकी कोल्ड-स्टार्ट रणनीति काम कर रही है?
पर्सोना-आधारित वेरिएंट की तुलना किसी सामान्य कंट्रोल ग्रुप से करें। सबसे ज़्यादा बताने वाले मेट्रिक नए यूज़र्स के शुरुआती आँकड़े हैं: पहले विज्ञापन के साथ इंटरैक्शन, पहली विज़िट की गहराई, पहले कन्वर्ज़न तक का समय। अगर पर्सोना वेरिएंट आगे नहीं हैं, तो यह नाकामी नहीं, एक सुराग है: या तो पर्सोना सही नहीं बैठे हैं, या मिलान के संकेत बहुत कमज़ोर हैं।
